传统回归模型与人工智能预测头颈肿瘤术后长期住院的对比
2024年8月22日 更新者：Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
该实验是一项队列观察性研究。
通过建立头颈肿瘤术后转入ICU的患者队列，研究人员比较了AI与传统预测模型对头颈肿瘤患者能否在头颈肿瘤24小时内转入ICU的预测效果。
首先对头颈肿瘤手术后的患者进行回顾性分析，收集病历，将测试结果按照7：3分为训练组和验证组，按照患者ICU停留时间大于24小时分为2组，头颈肿瘤手术后ICU持续时间超过24小时后的预测模型。
同时，清洗数据，用数据训练AI，并用ROC比较双方的有效性。
建立预测模型和AI训练后，纳入队列的患者在转入ICU后立即通过预测模型和AI进行评估，预测24小时内转出ICU的可能性。
研究概览
地位
招聘中
条件
研究类型
观察性的
注册 (估计的)
700
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Guangdong
-
Guangzhou、Guangdong、中国、52100
- 招聘中
- Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University
-
接触：
- Zhengfei Yang
- 电话号码：13632370949
- 邮箱：yangzhengfei@vip.163.com
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
- 成人
- 年长者
接受健康志愿者
不
取样方法
概率样本
研究人群
头颈肿瘤术后患者转入ICU
描述
纳入标准：
- 头颈部肿瘤术后患者；
- 18 岁以上。
排除标准：
- 头颈部肿瘤患者两次转入ICU；
- 计划外转移至 ICU 的患者。
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
|---|
|
训练组
用于训练模型
|
|
测试组
用于验证模型
|
|
未来队列
用于模型的前瞻性验证
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
推出 ICU
大体时间：从入住 ICU 之日到出院或死亡之日（以先发生者为准），评估最多 30 天
|
患者从ICU转普通病房的时间设定为转出
|
从入住 ICU 之日到出院或死亡之日（以先发生者为准），评估最多 30 天
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2024年3月1日
初级完成 (实际的)
2024年3月1日
研究完成 (估计的)
2025年4月1日
研究注册日期
首次提交
2024年7月23日
首先提交符合 QC 标准的
2024年8月22日
首次发布 (实际的)
2024年8月26日
研究记录更新
最后更新发布 (实际的)
2024年8月26日
上次提交的符合 QC 标准的更新
2024年8月22日
最后验证
2024年8月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.